Руководитель проекта аспирант MIT по электротехнике и информатике Авишек Бисвас рассказывает:Согласно стандартной схеме, память находится в одной части чипа, процессор – в другой, и в ходе вычислений данные перемещаются между ними. Поскольку для алгоритмов машинного вычисления требуется огромное количество вычислений, большая часть энергии тратится именно на передачу данных туда-обратно.Для уменьшения энергопотребления был разработан чип, который упрощает большое количество вычислений до одной операции, названной учёными точечным продуктом. Новый процессор способен одновременно работать с точечными продуктами для 16 узлов нейросети, вместо сохранения результатов каждого вычисления в память.Вице-президент американской компании IBM по искусственному интеллекту Дарио Гил так прокомментировал новую разработку:Это, несомненно, позволит использовать более сложные сверхточные нейронные сети для классификации изображений и видео в небольших устройствах интернета вещей.На сегодня мобильные приложения с использованием нейронных сетей выполняют поступающие задачи после загрузки их на облачные сервера, что негативно влияет на скорости работы. По заявлениям ученых MIT, новый процессор решит повысит скорость нейросетевых вычислений в 3-7 раз.
Нейронный чип MIT снизит энергопотребление смартфонов на 95%
16:59 18 февраля 2018
Ученые из MIT (Массачусетского технологического института) создали процессор для нейросетевых вычислений со сниженным на 95% энергопотреблением. Это открывает новые возможности для использования нейросетевых программ на мобильных устройствах и на умной бытовой технике, – сообщает сайт института. 
Руководитель проекта аспирант MIT по электротехнике и информатике Авишек Бисвас рассказывает:Согласно стандартной схеме, память находится в одной части чипа, процессор – в другой, и в ходе вычислений данные перемещаются между ними. Поскольку для алгоритмов машинного вычисления требуется огромное количество вычислений, большая часть энергии тратится именно на передачу данных туда-обратно.Для уменьшения энергопотребления был разработан чип, который упрощает большое количество вычислений до одной операции, названной учёными точечным продуктом. Новый процессор способен одновременно работать с точечными продуктами для 16 узлов нейросети, вместо сохранения результатов каждого вычисления в память.Вице-президент американской компании IBM по искусственному интеллекту Дарио Гил так прокомментировал новую разработку:Это, несомненно, позволит использовать более сложные сверхточные нейронные сети для классификации изображений и видео в небольших устройствах интернета вещей.На сегодня мобильные приложения с использованием нейронных сетей выполняют поступающие задачи после загрузки их на облачные сервера, что негативно влияет на скорости работы. По заявлениям ученых MIT, новый процессор решит повысит скорость нейросетевых вычислений в 3-7 раз.
Руководитель проекта аспирант MIT по электротехнике и информатике Авишек Бисвас рассказывает:Согласно стандартной схеме, память находится в одной части чипа, процессор – в другой, и в ходе вычислений данные перемещаются между ними. Поскольку для алгоритмов машинного вычисления требуется огромное количество вычислений, большая часть энергии тратится именно на передачу данных туда-обратно.Для уменьшения энергопотребления был разработан чип, который упрощает большое количество вычислений до одной операции, названной учёными точечным продуктом. Новый процессор способен одновременно работать с точечными продуктами для 16 узлов нейросети, вместо сохранения результатов каждого вычисления в память.Вице-президент американской компании IBM по искусственному интеллекту Дарио Гил так прокомментировал новую разработку:Это, несомненно, позволит использовать более сложные сверхточные нейронные сети для классификации изображений и видео в небольших устройствах интернета вещей.На сегодня мобильные приложения с использованием нейронных сетей выполняют поступающие задачи после загрузки их на облачные сервера, что негативно влияет на скорости работы. По заявлениям ученых MIT, новый процессор решит повысит скорость нейросетевых вычислений в 3-7 раз.
Источник:
Пока комментариев к статье нет, но вы можете стать первым.
Написать комментарий:
Напишите ответ :
Комментарии (0)